您的位置:首页 人工智能

创新奇智提出双注意力机制少样本学习 助力工业场景细粒度识别

来源:创新奇智    2022-01-17
近日,创新奇智关于双注意力机制少样本学习的研究论文《Dual Attention Networks for Few-Shot Fine-Grained Recognition》被全球人工智能顶会AAAI 2022接收为Main Track论文。

近日,创新奇智关于双注意力机制少样本学习的研究论文《Dual Attention Networks for Few-Shot Fine-Grained Recognition》被全球人工智能顶会AAAI 2022接收为Main Track论文。

AAAI(The National Conference on Artificial Intelligence)是人工智能领域的主要学术组织之一国际先进人工智能协会(American Association for Artificial Intelligence),主办的A类人工智能学术会议。今年会议共收到9251篇投稿,最终经过大量的筛选,录取率仅为15.0%,创下历史新低。创新奇智投稿的论文脱颖而出,得益于一直以来在计算机视觉领域深厚的创新力。

创新奇智此次论文中提出的双注意力机制少样本学习主要针对少样本细粒度图像识别任务。

此方法可用于制造业等领域标注样本极少的情况下区分属于不同子类的图像,如不同车型的汽车、不同类型的零件、零件上不同种类的缺陷等,减少实际应用场景中对数据量的依赖,并提高识别正确率。

由于细粒度属性,该识别任务的难度在于需要获取有限训练数据中细小但具有辨识性的部件级别模式,这使得此问题较为挑战。

创新奇智提出的由硬/软双注意力流构成的双注意力网络(DUAL ATT-NET),在三个常用的细粒度基准数据集上的结果明显优于其他的现有先进方法。

声明:本文版权归原作者所有,转发仅为更大范围传播,若有异议请联系我们修改或删除:[email protected]
0